人工智能的爆发离不开 GPU 的广泛使用,但如今算力的提升速度始终跟不上数据指数增长的速度,算力再度成为制约人工智能发展的瓶颈,这个问题如何破?

语音识别接近人类、人脸识别能力超越人类、AlphaGo 以 4:1 的成绩大胜围棋九段高手李世石……近年来,人工智能技术取得了突飞猛进的进步。

而这一波人工智能技术之所以能够取得如此大的成绩,表面上来看是深度学习发挥了 “苍穹之力”,但实际上,深度神经网络几十年前就提出来了,之前却一直未能取得大的成绩。因此,这一波人工智能的爆发,归根结底其实离不开两大功臣的鼎力相助,一是大数据,要让机器具备人在某个方面的能力,一定要先有大量的数据让它学习;二是算力,数据再多,如果没有足够的运算能力,机器也学不出来什么东西。

大数据方面,随着互联网以及物联网技术的普及,人类能够收集到的数据正在快速增长,甚至有数据显示,每年数据量的增幅竟高达 50%,因此,人工智能的发展并不乏原料。但在算力方面,此前人工智能的爆发其实离不开 GPU 的广泛使用,但如今算力的提升速度始终跟不上数据指数增长的速度,算力再度成为制约人工智能发展的瓶颈。

当然,市场上其实也有像谷歌这样的企业,企图通过研发 AI 专业芯片来破除算力瓶颈问题,另外更多的企业则利用云技术来解决这个问题。不过,动点科技最近遇到了一家名叫米文动力的创业公司,其正试图采用一个更通用的方法解决这个问题,即利用英伟达的 GPU 芯片,为机器人以及低速自动驾驶小车等开发嵌入式超算平台——“米文大脑”,并提供多种视觉算法和导航避障算法。

为何不能是 AI 芯片和云计算?

据了解,包括 AlphaGo 在内,目前人工智能的实现方式主要为云端 AI,即需要通过网络将数据传到云端,在云端计算并进行识别等处理,最后再将结果传回本地。然而,米文动力 CEO 杨冠文表示,这种方案虽然有较高的效率,且已经实现了很多场景下的 AI 功能,但并不适用于每一个场景。

“因为数据量的指数增长,考虑到宽带成本、传输延迟以及隐私保护等,行业已经不能承受将所有数据无限制地传回到云端去处理了,于是,边缘计算随即应运而生。” 杨冠文表示,他们所开发的 “米文大脑” 便是这么一款边缘计算设备。

当然,说到 “米文大脑”,人们很有可能会联想到传统 ARM 平台或者 x86 平台(包括服务器),关于它们之间的差异化,杨冠文认为 ARM 以及 x86 平台势必要被算力更强的嵌入式平台所取代。“‘米文大脑’ 是专门为深度学习的部署和计算而开发的,这样的设备将是未来的趋势。” 杨冠文介绍,在底层加速手段、加速工具的加持下,即使利用同样的硬件跑同样的算法,“米文大脑” 也能达到 10 倍于传统计算设备的效果。

另外,说到边缘计算,还有一个不得不提的角色,即如今红得发紫的 AI 芯片。AI 芯片是否会比 “米文大脑” 这种利用通用 GPU 搭载的设备更加高效呢?

首先,杨冠文坚信 AI 行业一定会出现除了 GPU 之外的 AI 专用芯片,但杨冠文强调这些 AI 专用芯片面临最大的问题不是如何实现特定功能,而是如何打造生态,让大家都来用。

“假设你是一个工程师,今天我给你了两个方案,一个是英伟达的 GPU,一个是其它厂商的 AI 芯片,你会选择用谁呢?要知道,想要熟练使用这些芯片,其实都需要学习各自底层的语言与工具链,然而,如果你选择其它厂商的 AI 芯片,花了一年时间学习相关工具的应用,最后学得很精了,但公司却倒了,不就白学了吗?这就是生态问题。” 杨冠文认为,经过 10 多年的积累,业内已经有了大量的懂 GPU 底层的开发者,GPU 生态已然形成。因此,在杨冠文看来,即使是 Intel、高通这样的企业,他们的 AI 芯片也很难在短期内挑战 GPU 的地位。

其次,关于 AI 芯片与 GPU 的优缺点对比,杨冠文介绍:

“大家的目的都一样,即都是为了解决 AI 算力不足的问题,只是大家采用了各自不同的实现方式,他们采用的是专用芯片方案,专用意味着效率更高、功耗更低、成本更低,这是巨大的优势,但也可能带来通用度差、可移植性差等问题;而我们用的是通用的 GPU 芯片,通用型很好,可以跑各种算法,但相对于专用芯片,功耗可能会大一点,成本可能高一些。”

因此,杨冠文认为,究竟是使用专用的 AI 芯片还是 GPU 驱动的 “米文大脑”,其实是如何平衡的问题。“现在很难说哪个方案好,哪个方案不好。”

不过,杨冠文也强调,如果芯片的通用性不强,会给产品的商业落地造成更大的困难,而这也是米文动力一直坚持使用 GPU 的最重要原因。

壁垒在于软件层

关于竞争对手,杨冠文表示他们目前的竞争对手大概有两类,一类是由传统工控机(工业控制计算机)为起点的方案商,他们并不一定提供人工智能方案,因为对于客户来说,只要能够解决问题就可以了。另一类是摄像头之类的零部件厂商,他们也可能在摄像头的基础上为客户提供一些导航或者图像识别等 AI 算法。

另外,硬件与算法都永远不可能成为企业真正的壁垒,任何人都可以购买英伟达的 GPU,搭建出自己的大脑,并开发出相应的 AI 算法。

因此,杨冠文强调,米文动力真正的价值其实是在底层的算法层。“我们会有很多专用独特的加速工具。简单来说,你拿一个与我们一模一样的英伟达芯片,和我们跑一样的算法,你可能 1 秒钟就跑 3、4 帧,但是跑到我们板子上之后,我们通过独特的底层算法去加速,就可以加速到 30 祯以上,所以效率就会更高、占资源就更少,就能跑更多的算法。” 杨冠文说。

此外,杨冠文表示,米文动力还在底层尽可能做得 “傻瓜”,从而降低系统开发的门槛。“以前企业自己做的时候必须要深入到 Linux 这一层,但现在只需要在应用层做开发,不需要再深入到 Linux ,自然就很傻瓜了。”

据杨冠文了解,米文动力与英伟达有着很深的渊缘,而这则是米文动力在场景落地方面的优势之一。“我们早在 2013 年左右便已经开始与英伟达展开了合作,而当时英伟达还没有因为 AI 热而股价大涨,我们如今已经成为英伟达行业解决方案的补充,是他们在中国的机器人方案的第一推荐商。”

“我们是英伟达在中国创业公司领域,优先支持的战略合作伙伴。” 杨冠文表示。不过,杨冠文并未透露 ‘米文大脑’ 的销量情况,但杨冠文表示他对现在的情况依然是比较满意的。

米文动力已经于今年 3 月宣布获得数千万元人民币的 A 轮融资,由博彦嘉铭、宏企浩春领投,硅谷银行、润方远创等跟投。目前,该公司一共有约 40 名员工,其中技术人员占一半。融资后,公司也会继续招人,但杨冠文表示他将尽量将人数控制在 45 人以内。

“可能是公司文化缘故,我们都比较喜欢短小精干的团队。” 杨冠文表示。

 

题图来自 123RF